Feature Engineering und Funktionsauswahl

Erweiterte Vorhersagen können Feature Engineering und Funktionsauswahl für Daten ausführen, bevor Vorhersagen ausgeführt werden, wodurch die Vorhersagegenauigkeit verbessert wird.

Beim Definieren einer erweiterten Vorhersage können Administratoren auf der Seite Datenvorbereitung eine neue Option auswählen: Automatisches Feature Engineering und automatische Auswahl aktivieren. Diese Option ist standardmäßig aktiviert.

Feature Engineering ist der Prozess, bei dem Daten für maschinelles Lernen vorbereitet werden, indem vorhandene Funktionen transformiert oder neue Funktionen erstellt werden, um die Modellperformance zu verbessern. Durch automatisches Feature Engineering wird dieser Prozess beschleunigt, sodass Sie bessere Modelle mit verbesserter Genauigkeit erhalten.

Ohne Feature Engineering werden alle Treiber so behandelt, wie sie sind. Mit Feature Engineering werden zusätzliche Informationen aus den Funktionen abgeleitet, was zu genaueren Vorhersagen führt. Die folgenden Transformationstypen werden angewendet:

• Zeitbasierte Funktionen. Beispiel: Hat ein bestimmter Wochentag mehr Auswirkungen?
• Verzögerungseffekte. Beispiel: Wie wirkt sich die Verzögerung eines Geschäftstreibers auf ein Ziel aus, z.B. die Auswirkung der Marketingausgaben im Juni auf das Umsatzvolumen im August?
• Aggregattransformationen. Beispiel: Wie wirkt sich der rollierende Durchschnittswert auf einen Geschäftstreiber im Vergleich zu einem einzelnen Datenpunkt aus?

Wenn Automatisches Feature Engineering und automatische Auswahl aktivieren ausgewählt ist, werden mehrere Engineered Features erstellt, und die Top 15 (oder weniger) Funktionen werden für die Modellgenerierung und für Vorhersagen ausgewählt. Im Diagramm Wichtigkeit der Funktion wird die Wichtigkeit der ausgewählten Top 15 Funktionen für die Ausgabevariable angezeigt.

Wenn die Option Automatisches Feature Engineering und automatische Auswahl aktivieren nicht ausgewählt ist, werden keine Engineered Features erstellt. Allerdings wird die Wichtigkeit der Funktion trotzdem bewertet, und alle als unwichtig erachteten Funktionen werden aus dem Modell ausgeschlossen. Alle anderen Funktionen werden unverändert für die Modellgenerierung verwendet.

Im Diagramm Wichtigkeit der Funktion wird die Wichtigkeit der angegebenen Funktionen für die Ausgabevariable angezeigt. Das Diagramm zeigt die neun wichtigsten Funktionen. Alle verbleibenden Funktionen werden nach ihren Prozentwerten aggregiert und unter der Überschrift Sonstige gruppiert.

Die Auswirkungen von Feature Engineering und Funktionsauswahl wird im Fenster Vorhersage erklären angezeigt: Klicken Sie in einem Formular mit vorhergesagten Werten aus der erweiterten Vorhersage mit der rechten Maustaste auf eine Zelle mit vorhergesagten Daten, und wählen Sie Vorhersage erklären aus. Prüfen Sie Details zur Vorhersage in der Registerkarte Wichtigkeit der Funktion und in der Registerkarte Vorhersageanalyse.

Wenn Sie AutoMLx als Algorithmus ausgewählt haben, beachten Sie, dass AutoMLx basierend auf der Genauigkeit automatisch entweder ein univariates oder ein multivariates Modell auswählt.

Wenn ein univariates Modell ausgewählt ist, werden im Diagramm Wichtigkeit der Funktion nur ausgabe-/zielbezogene Funktionen angezeigt, wie Trend of Target (Trend des Ziels), Target N Time Periods Ago (Ziel vor N Zeitperioden), Variance Changes of Target (Abweichungsänderungen des Ziels) und Cyclic Trend of Target (Zyklischer Trend des Ziels) (sofern zutreffend).

Das Diagramm Wichtigkeit der Funktion für ein univariates Modell sieht in etwa wie folgt aus:

Feature Engineering findet die verborgene Beziehung zwischen Eingabefunktionen und der Ausgabevariable. Dank ausgereifter Funktionen können Modelle relevantere Informationen erfassen, was zu einer verbesserten Modellperformance und besseren Vorhersagen führt.

Die Funktionsauswahl identifiziert die wichtigsten Geschäftstreiber, die sich auf die Prognosegenauigkeit auswirken, und filtert "störende" Variablen oder Variablen mit geringen Auswirkungen heraus, um eine Überanpassung zu vermeiden. Sie verbessert auch die Performance, indem die Komplexität und die Verarbeitungszeit reduziert werden. Sie unterstützt die Explainability, indem Funktionen basierend auf der Vorhersageleistung eingestuft werden.

Beachten Sie Folgendes:

• Die Option Automatisches Feature Engineering und automatische Auswahl aktivieren ist standardmäßig aktiviert.
• Durch das Aktivieren der Option Automatisches Feature Engineering und automatische Auswahl aktivieren verlängert sich die erforderliche Zeit für die Ausführung der Vorhersage.